데이터 마트가 손쉬운 소비를 위해 세척되고 패키지화 되며, 구조화된 생수 더미라면 데이터 레이크는 더욱 자연스러운 상태의 물이다. 데이터 레이크의 콘텐츠는 소스로부터 흘러나와 레이크를 채우며, 다양한 레이크 사용자가 검토하거나 몰두하거나 샘플을 채취할 수 있다.
그 이후로 데이터 레이크는 꾸준히 진화했으며, 이제는 빅데이터 저장과 애널리틱스 측면에서 데이트 웨어하우스(Data Warehouse)와 경쟁하고 있다. 오늘날 다양한 도구와 제품이 데이터 레이크에서의 더 빠른 SQL 쿼리를 지원한다. 또 3대 주요 클라우드 벤더는 데이터 레이크 스토리지 및 분석을 제공한다. 한편에서는 거버넌스, 보안, 분석과 알맞은 스토리지를 결합하는 새로운 ‘데이터 레이크하우스(Data Lakehouse)’ 개념도 등장했다. 이 글은 데이터 레이크에 관한 개괄적인 이해를 돕기 위해 작성됐다. 정의에서부터 사용 방법, 데이터 레이크가 데이터 스웜(Data Swamp)이 되지 않도록 하는 방법 등을 살펴본다.
데이터 레이크 개념
‘데이터 레이크’는 기본적으로 분석 준비가 완료될 때까지 데이터를 보관하는 단일 저장소를 의미한다. 모든 데이터 담는 경우도 있지만, 데이터 웨어하우스에 맞지 않는 데이터만을 보관하기도 한다. 일반적으로, 데이터 레이크는 데이터를 네이티브 파일 형식으로 저장하지만 효율적인 분석을 위해 데이터를 다른 형식으로 전환하는 경우도 있다.
대개 데이터 레이크는 이미지와 비디오 등의 바이너리 데이터, PDF 문서 등의 비구조화 데이터, CSV와 JSON 파일 등의 반구조화 데이터뿐만 아니라 일반적으로 관계형 데이터베이스로부터 얻는 구조화 데이터를 모두 담아낸다. 구조화 데이터가 분석에 더 유용하지만 반구조화 데이터는 구조화 형태로 손쉽게 변환할 수 있다. 비구조화 데이터는 지능형 자동화를 사용하여 구조화 데이터로 변환할 수 있는 경우가 많다.
데이터 레이크 vs 데이터 웨어하우스
데이터 레이크 또는 데이터 웨어하우스가 필요한지가 문제가 아니다. 다른 목적을 위해 둘 다 필요할 가능성이 있다. 또한 이 둘을 결합할 수 있기도 하다. 우선, 데이터 레이크와 데이터 웨어하우스의 주된 차이점을 살펴본다.
• 데이터 소스 : 데이터 레이크를 위한 일반적인 데이터 소스에는 로그 파일, 클릭 스트림에서 얻은 데이터, 소셜 미디어 게시물, 인터넷 연결 장치로부터 얻은 데이터가 포함된다. 데이터 웨어하우스는 일반적으로 트랜잭션 데이터베이스, 비즈니스 부문 애플리케이션, 분석을 위한 운영 데이터베이스로부터 추출된 데이터를 저장한다.
• 스키마 전략 : 데이터 레이크를 위한 데이터베이스 스키마는 일반적으로 분석 시에 적용되며, 이것을 ‘SoR(Schema-on-Read)’이라 한다. 기업 데이터 웨어하우스의 데이터베이스 스키마는 일반적으로 데이터 스토어 생성 전에 고안되며 데이터 입력 과정에서 적용된다. 이것을 ‘SoW(Schema-on-Write)’라고 부른다.
• 스토리지 인프라 : 데이터 웨어하우스는 쿼리 결과를 신속하게 제공하기 위해 값비싼 RAM와 SSD 디스크 용량이 상당한 경우가 많다. 반면 데이터 레이크는 저렴한 회전식 디스크를 사용하는 경우가 많다. 데이터 웨어하우스와 데이터 레이크는 모두 MPP(Massively Parallel Processing)를 사용하여 SQL 쿼리 속도를 높인다.
• 미가공 vs 큐레이트(Curated) 데이터 : 데이터 웨어하우스의 데이터는 데이터 웨어하우스를 조직의 ‘단일 신뢰원’으로 취급할 수 있는 수준까지 큐레이팅 해야 한다. 반면 데이터 레이크의 데이터는 큐레이팅이 가능하거나 불가능할 수 있다. 데이터 레이크는 일반적으로 이후 분석을 위해 필터링 및 전환이 가능한 미가공 데이터부터 시작한다.
• 사용자 : 데이터 웨어하우스 사용자는 일반적으로 비즈니스 분석가이다. 데이터 레이크 사용자는 최소한 처음에는 데이터 사이언티스트 또는 데이터 엔지니어인 경우가 많다. 비즈니스 분석가는 데이터가 큐레이팅 된 후 액세스하는 것이 일반적이다.
• 분석 유형 : 일반적인 데이터 웨어하우스 분석에는 비즈니스 인텔리전스, 배치 보고, 시각화가 포함되어 있다. 데이터 레이크의 경우 일반적인 분석에는 머신러닝, 예측 분석, 데이터 디스커버리(Data Discovery), 데이터 프로파일링(Data Profiling)이 포함된다.
그렇다면 데이터 마트는?
기업의 모든 관계형 데이터를 분석에 적합한 형태로 결합하는 데이터 웨어하우스와는 달리 ‘데이터 마트’는 단일 부서 또는 사업부로부터 얻은 데이터로 제한되는 분석 데이터베이스이다. 데이터 마트는 부서와 관련된 데이터만 포함시켜 효율적인 분석을 제공한다. 그런 의미에서 선천적으로 사일로화 되어 있다고 볼 수 있다.
일각에서는 사업부에는 배제된 데이터가 필요 없기 때문에 사일로화는 상관없다고 주장한다. 그러나 실제로는 중요한 경우가 많다. 여러 사업부로부터 얻은 결합된 데이터에 기초한 보고서가 필요한 상관은 항상 있다. 그래서 오늘날 데이터 레이크와 데이터 웨어하우스가 많고 데이터 마트가 적은 것이다.
데이터 레이크에서 더 빠른 SQL 쿼리
데이터 레이크에 미가공 데이터를 저장할 때, 데이터를 데이터 사이언티스트 또는 데이터 엔지니어가 처리할 때까지 비즈니스 분석가에게 무용지물일 수도 있다. 필터링 및 데이터 전환 외에 데이터 레이크는 데이터 카탈로그, 데이터 보안, 스키마 정의가 필요하다. 이런 특징이 없는 데이터 레이크에 대한 표현이 바로 ‘데이터 스웜’이다.
다행히도 데이터 레이크에 있는 데이터를 필터링 및 정리하는 데 도움이 되는 많은 도구가 있다. 한 예로, 하이브(Hive) 메타스토어를 ORC 형식으로 생성하여 스키마의 필요성을 해결할 수 있다. 구성이 되면 메타스토어는 프레스토(Presto) 같은 대규모 병렬 SQL 엔진을 통해 고속 SQL 쿼리를 지원한다(참고로 ORC(Optimized Row Columnar) 형식은 하이브에 최적화된 압축 칼럼 스토어이며, 프레스토와 잘 호환된다).
아파치 스파크(Apache Spark)는 또 다른 대규모 병렬 SQL 엔진이다. ORC 형식과 호환될 수 있지만 또 다른 압축 칼럼 스토어인 파케이(Parquet)와 더욱 잘 호환된다. 스파크는 파케이 파일에서 수직 및 수평 파티셔닝을 수행하여 필요한 데이터만 읽어야 하고 관련성이 없는 데이터를 건너뛸 수 있는 쿼리 플랜을 생성할 수 있다.
Surfshark
VPN (가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인 정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.